ASP.NET Boilerplate中Redis缓存序列化异常问题解析
问题背景
在ASP.NET Boilerplate框架中,当开发者将项目升级到9.1.0版本后,使用Redis缓存时可能会遇到一个序列化异常。这个异常主要出现在两种场景中:
- 使用AbpRedisCache时
- 使用AbpPerRequestRedisCache时
错误信息显示系统无法序列化System.Type类型的实例,具体报错路径为$.ProviderApiType。
异常分析
该问题的根本原因在于ASP.NET Boilerplate 9.1.0版本中默认使用了System.Text.Json作为JSON序列化器,而Newtonsoft.Json则作为备选方案。System.Text.Json在设计上出于安全考虑,默认不支持System.Type类型的序列化,这与Newtonsoft.Json的行为不同。
当框架尝试将包含Type类型属性的对象序列化到Redis缓存时,System.Text.Json会抛出NotSupportedException异常。这在用户登录等需要缓存认证信息的场景中尤为常见。
解决方案
临时解决方案
-
回退到Newtonsoft.Json
在CoreModule中添加以下代码可以暂时解决问题:JsonExtensions.UseNewtonsoft = true; -
自定义Type类型转换器
可以创建一个自定义的JsonConverter来处理Type类型的序列化:public class CustomJsonConverterForType : JsonConverter<Type> { public override Type Read(ref Utf8JsonReader reader, Type typeToConvert, JsonSerializerOptions options) { var typeName = reader.GetString(); return Type.GetType(typeName); } public override void Write(Utf8JsonWriter writer, Type value, JsonSerializerOptions options) { writer.WriteStringValue(value.AssemblyQualifiedName); } }然后在Startup中注册:
services.AddControllers() .AddJsonOptions(options => { options.JsonSerializerOptions.Converters.Add(new CustomJsonConverterForType()); });
根本解决方案
ASP.NET Boilerplate团队已经注意到这个问题,并提出了修复方案。开发者可以:
- 实现自定义的IRedisCacheSerializer,正确处理Type类型的序列化
- 等待官方发布包含修复的版本
最佳实践建议
-
评估缓存内容
检查哪些数据被缓存并导致了这个问题,考虑是否可以重构这些类型以避免包含Type属性。 -
统一序列化策略
在整个应用中保持一致的序列化策略,避免混合使用System.Text.Json和Newtonsoft.Json。 -
监控缓存异常
即使应用能继续运行,也应监控这些异常,因为它们可能影响性能或导致缓存失效。 -
测试覆盖
增加针对缓存序列化的单元测试,确保各种数据类型都能正确序列化和反序列化。
总结
这个问题展示了框架升级时可能遇到的兼容性挑战,特别是在底层组件更换时。开发者需要了解不同JSON序列化器的行为差异,并准备好相应的适配方案。对于ASP.NET Boilerplate用户来说,目前可以通过回退到Newtonsoft.Json或实现自定义转换器来解决这个问题,同时期待官方在后续版本中提供更完善的解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00